CASH：面向广告主补贴分配的能力感知补贴调度框架
🧭 广告主补贴分配 · LLM Agent 与数值模型协作 ★ 深度解读
Fudan University · Kuaishou Technology · Tianjin University
以结果校准的 capability license 融合 LLM Agent 与数值模型，在线收入提升 15.35%
📌 工作参考价值（4 点）
- 借鉴 outcome-grounded capability license：不全局信任 LLM 或数值模型，在账户×档位维度维护误差上限、支持度和区域准入，只让许可范围内的估计参与优化；适合把 LLM 纳入线上决策但需控风险。
- 共享预算问题写成 multiple-choice knapsack 并用对偶价分解；许可证能屏蔽未许可档位带来的跨账户误差传播，电商大促补贴/优惠券分配可直接复用。
- 限频调用 LLM：用 pre-call judge 与 call-value 回归选择 top quota 账户调用，靠随机 audit 保留可观测性；CASH 用 15% 的调用量恢复全量 86% 的 MAE 收益，成本敏感场景可用。
- EPCG 式探索：用 Beta 后验和区域准入变化预估新增反馈对可靠覆盖的增益，动态规划分配反馈预算，比随机采样更能扩展可信任区域，可迁移到 RAG/冷启动补标签。
KARMA：工业广告 Agent 的无训练知识原子化 Harness 演化
🧭 Agent harness 无训练知识演化 ★ 深度解读
Alibaba International Digital Commerce Group
冻结模型权重与可执行 harness，以六类类型化知识模块的原子编辑+验证门控，使广告 Agent 离线动作一致性平均提升 29.7%
📌 工作参考价值（4 点）
- 把 prompt/harness 拆成可版本化的知识模块：role、domain、experience、constraints、output_protocol、action_descriptions 六类模块，规则带稳定 rule ID、来源、before/after journal，所有变更走唯一 write boundary。电商/广告 Agent 可借此在不改代码、不微调模型的情况下，按商品/活动/政策变化审计和回滚决策知识。
- 先做确定性轨迹诊断，再做知识编辑：Trace Verifier 不用 LLM 就把失败分为 no_action / wrong_action_type / wrong_direction，并按固定映射定位候选模块；同时把成功和失败轨迹都送给 Critic。能避免只看失败导致修复过拟合、破坏已有正确决策，适合推荐/广告策略中“该不该调、调哪里”的归因场景。
- 小步编辑 + 验证门控 + 快照回滚：每轮最多 3 个原子 edit，固定 validation set 要求 gain≥1 point 才保留，否则恢复 snapshot；可缓存 baseline validation，避免每轮 2 次全量评估，工程成本可控。可直接复用到电商 Agent 的离线知识更新流程，降低上线风险。
- 跨域知识复用要分源域评估：Long-tail/Others 域演化出的规则对多数目标域都有正向迁移，平均 hold-out gain +15.38；但 Automotive 源域对所有其他域都负迁移。若要做跨品类 Agent 知识冷启动，优先用长尾/综合流量积累的通用规则，但仍需在目标域做验证，不能假设迁移一定为正。